안녕하세요, 여러분! 오늘은 정말 흥미로운 주제를 다뤄볼 거예요. LaaS API를 사용해 인터넷 검색 봇을 만드는 방법을 알아볼 건데요, 특히 Tavily라는 강력한 검색 API와 LAAS Function Calling API를 조합해서 사용해볼 거예요. 마치 똑똑한 친구에게 실시간 정보를 물어보는 것처럼 챗봇이 최신 정보를 찾아 쏙쏙 알려주는 기능을 만들 수 있답니다! 😉

## Function Calling 소개

Function Calling은 챗봇이 외부 API의 능력을 빌릴 수 있도록 하는 마법과 같은 기능이에요! 🪄 대형 언

원티드 소셜에서는 특정 API나 서비스를 직접적으로 홍보하는 글은 규제하고 있습니다. 기본적인 정보 공유는 괜찮지만, 추가적인 홍보성 내용은 자제해 주세요. 😊

원티드 소셜을 더욱 활기차게 만들기 위한 여러분의 활동을 응원합니다! 수정 부탁드려요! 🌟

원티드 회원들의 커리어 성장과 행복을 돕는 AI입니다.

원티드 에이전트

안녕하세요, 여러분! 오늘은 정말 흥미로운 주제를 다뤄볼 거예요. LaaS API를 사용해 인터넷 검색 봇을 만드는 방법을 알아볼 건데요, 특히 Tavily라는 강력한 검색 API와 LAAS Function Calling API를 조합해서 사용해볼 거예요. 마치 똑똑한 친구에게 실시간 정보를 물어보는 것처럼 챗봇이 최신 정보를 찾아 쏙쏙 알려주는 기능을 만들 수 있답니다! 😉

Function Calling 소개

Function Calling은 챗봇이 외부 API의 능력을 빌릴 수 있도록 하는 마법과 같은 기능이에요! 🪄 대형 언어 모델(LLM)에게 어떤 함수를 호출해야 하는지, 어떤 정보를 전달해야 하는지 알려주는 역할을 하죠.

쉽게 비유하자면, 레스토랑에서 손님(챗봇)이 원하는 메뉴(함수)를 주문하고, 요리사(외부 API)가 맛있게 요리해 가져다주는 것과 같아요. LaaS의 Function Calling을 이용하면 챗봇이 인터넷 검색도 척척 해낼 수 있게 된답니다!

LaaS의 Function Calling 사용 방법은 다음 가이드 문서를 참고해 주세요:
https://laas.wanted.co.kr/docs/guide/editor/editor-functioncalling

Tavily 소개

Tavily는 똑똑한 AI를 활용해서 인터넷을 샅샅이 뒤져 원하는 정보만 쏙쏙 찾아주는 검색 API 서비스예요. 마치 정보의 바다에서 원하는 진주를 찾아내는 능력 좋은 다이버와 같죠! 🤿

Tavily는 다음과 같은 장점을 가지고 있어요:

정확성: AI가 사용자의 질문 의도를 정확하게 파악하여 가장 관련성 높은 결과만을 제공해요. 마치 사용자의 마음을 읽는 듯한 정확도죠!
다양한 소스: 웹페이지, 뉴스, 학술 자료 등 정보의 바다라 할 수 있는 다양한 출처에서 정보를 수집해요.
실시간 정보: 인터넷 세상은 끊임없이 변화하죠! Tavily는 항상 최신 정보를 업데이트하여 실시간으로 정보를 제공해요.
사용 편의성: 복잡한 과정 없이 간단한 API 호출만으로 누구나 쉽게 사용할 수 있어요.

Tavily는 다음과 같은 용도로 활용할 수 있어요:

챗봇이나 AI 어시스턴트에 최신 정보 제공: 챗봇이 최신 정보를 갖춘 똑똑한 친구가 될 수 있도록 도와줘요!
연구나 분석을 위한 데이터 수집: 방대한 양의 데이터를 신속하게 수집하여 시간을 절약해 줘요.
뉴스 모니터링 시스템 구축: 실시간으로 뉴스를 분석하고 원하는 정보를 선 lọc하여 제공해 줘요.
사용자 질문에 대한 실시간 답변 생성: FAQ 페이지를 넘어 사용자 질문에 대한 맞춤형 답변을 실시간으로 제공할 수 있어요.

이제 본격적으로 코드를 살펴보면서, Tavily와 LAAS API를 어떻게 활용하는지 알아볼게요!

🌟 이 프로젝트로 무엇을 배우나요?

이 프로젝트에서는 LaaS와 Tavily API를 사용하여 사용자의 질문에 대해 최신 정보를 검색하고, 그 정보를 바탕으로 답변을 생성하는 챗봇을 만드는 방법을 배우게 됩니다.

LaaS 플랫폼에서 Function Calling을 이용하여 외부 API를 호출하는 방법
Tavily API를 이용하여 사용자 질문에 대한 답변을 검색하는 방법
검색된 정보를 바탕으로 LaaS 챗봇이 답변을 생성하도록 하는 방법

이 과정을 통해 여러분은 외부 API를 연동하여 더욱 강력하고 유용한 챗봇을 만들 수 있는 기반을 다리게 될 것입니다.

🛠 준비물

프로젝트를 시작하기 전에 다음과 같은 준비물이 필요해요!

LaaS 계정: LaaS에서 제공하는 다양한 기능을 사용하기 위해 계정을 생성해야 합니다. (https://laas.wanted.co.kr/)
Tavily API 키: Tavily API를 사용하려면 API 키가 필요합니다. Tavily 웹사이트에서 키를 발급받을 수 있습니다. (https://www.tavily.com/)
Python 3.7 이상: 이 프로젝트의 코드는 Python으로 작성되었으며, Python 3.7 이상 버전이 설치되어 있어야 합니다.
코드 편집기: Python 코드를 작성하고 실행할 수 있는 코드 편집기 (Visual Studio Code, PyCharm 등)가 필요합니다.

📚 단계별 가이드

1단계: LaaS 프리셋 생성하기

LaaS 프리셋에 Function Calling을 이용하여 Tavily API를 사용할 수 있도록 함수를 추가해야 합니다.

LaaS 웹사이트에 로그인하고, 새로운 프리셋을 생성합니다.
왼쪽 메뉴에서 'Function Calling' 탭을 선택합니다.
'추가 +' 버튼을 클릭하고, 다음과 같이 함수 정보를 입력합니다.이름: search
설명: Tavily API를 사용하여 웹 검색을 수행합니다.
파라미터:query: string, 검색어, 사용자의 질문, 5글자 이상


'저장' 버튼을 클릭하여 함수를 저장합니다.

2단계: 필요한 라이브러리 불러오기

프로젝트를 시작하기 전에 필요한 Python 라이브러리를 설치하고 불러와야 해요. 마치 요리하기 전에 필요한 재료를 준비하는 것과 같죠!

import requests
from datetime import datetime
from typing import Dict, List, Optional
from tavily import TavilyClient

각 라이브러리는 다음과 같은 역할을 수행합니다.

requests: requests 라이브러리는 Python에서 HTTP 요청을 보내고 웹 서버와 통신하는 데 사용됩니다. Tavily API와 통신하기 위해 사용됩니다.
datetime: 날짜 및 시간 정보를 다루는 데 사용됩니다. LaaS API에 현재 시간 정보를 전달하기 위해 사용합니다.
typing: Python 코드에 타입 힌트를 제공하는 데 사용됩니다. 코드의 가독성을 높이고 오류를 줄이는 데 도움이 됩니다.
tavily: Tavily API를 사용하기 위한 라이브러리입니다. pip install tavily 명령어를 사용하여 설치할 수 있습니다.

3단계: API 키 및 설정 불러오기

Tavily 및 LaaS API를 사용하려면 API 키와 설정 정보가 필요합니다. 이 정보는 각 서비스에서 발급받을 수 있으며, 코드에서 안전하게 관리해야 합니다.

LAAS_API_KEY = "여기에_여러분의_LAAS_API_키를_넣으세요"
TAVILY_API_KEY = "여기에_여러분의_TAVILY_API_키를_넣으세요"

주의: API 키와 같은 중요한 정보는 절대로 공개된 저장소에 업로드하면 안 됩니다. 외부에 노출될 경우 악용될 위험이 있습니다.



4단계: Tavily API 사용하기

이제 Tavily API를 사용하여 웹 검색을 수행해 보겠습니다.

tavily_client = TavilyClient(api_key=TAVILY_API_KEY)
tavily_client.search(query="대한민국 대통령 2024")

위 코드는 Tavily API를 사용하여 "대한민국 대통령 2024"라는 질문에 대한 검색 결과를 가져오는 예시입니다. tavily_client.search() 메서드는 검색 결과를 JSON 형태로 반환합니다.

예를 들어, 다음과 같은 JSON 응답을 받을 수 있습니다.

{'query': '대한민국 대통령 2024',
 'follow_up_questions': None,
 'answer': None,
 'images': [],
 'results': [{'title': '[전문]윤석열 대통령 제79주년 광복절 경축사 - Korea Daily',
   'url': 'https://news.koreadaily.com/2024/08/14/society/politics/20240814191119526.html',
   'content': '윤석열 대통령이 15일 \'제79주년 광복절 경축식\'에서 "저와 정부는 2024년 올해를 \'자유·평화·번영의 통일 대한민국\' 으로 나아가는 새로운 원년으로 만들겠다"고 선언했다. 윤 대통령은 이날 북한에 남북 당국 간 실무 차원의 \'대화협의체\' 설치를 제안했다 ...',
   'score': 0.9990378,
   'raw_content': None},
  {'title': '[전문] 윤석열 대통령 2024년 신년사 - 서울경제',
   'url': 'https://www.sedaily.com/NewsView/2D3WYDG9XF',
   'content': "윤석열 대통령이 2024년 갑진년 새해 첫날인 1일 서울 용산 대통령실 청사에서 신년사를 발표하고 있다. 연합뉴스. 더욱 힘을 내주셨습니다. 높은 물가와 경기 퇴조의 '스테그플레이션'을 겪었습니다. 큰 어려움을 겪었습니다. 피땀 어린 노력 덕분이었습니다 ...",
   'score': 0.99850464,
   'raw_content': None},
  {'title': '윤석열 대통령 투르크메니스탄 국빈방문 결과 상세보기|2024년 | 외교부',
   'url': 'https://www.mofa.go.kr/www/brd/m_26779/view.do?seq=568',
   'content': '양 정상은 2024년 6월 10일 우호적이고 따뜻한 분위기 속에서 개최된 정상회담에서 경제, 사회, 문화 분야에서 양국 간 협력을 확대·심화하는 방안과 공동의 관심사인 지역 및 국제 문제에 대해 논의하였다. 이러한 측면에서, 양 정상은 2023년 10월 31일 체결된 대한민국 정부와 투르크메니스탄 정부 간의 무역 및 경제협력에 관한 협정에 기반하여 양국 간 호혜적인 경제협력 관계를 구축해 나가기로 하였다. 양 정상은 향후 한-중앙아 협력 포럼의 발전을 위해 함께 노력해 나가기로 하였으며, 투르크메니스탄 대통령은 2025년 최초로 개최되는 한-중앙아시아 정상회의의 성공적인 개최를 기원하였다. 이러한 측면에서, 양 정상은 대한민국과 중앙아시아 국가들 간 평화 증진을 위한 파트너십 및 상호 신뢰와 무역, 경제, 문화, 인도주의적 협력 강화를 목표로 2024년 하반기에 아시가바트에서 제2차 한-중앙아시아 국회의장 회의가 개최되는 것을 환영하였다.',
   'score': 0.9935619,
   'raw_content': None}],
 'response_time': 2.31}

이 JSON 응답은 "대한민국 대통령 2024" 질문에 대한 검색 결과를 담고 있습니다.

query: 사용자가 입력한 질문입니다.
results: 검색 결과 문서의 리스트가 담겨 있습니다. 각 문서는 title, url, content, score 등의 정보를 포함합니다.
response_time: 검색 요청부터 응답까지 걸린 시간(초)입니다.

5단계: LAAS API 설정하기

LaaS API를 사용하기 위한 함수를 만들기 전에 필요한 설정 정보를 변수에 저장합니다.

LAAS_API_URL = "https://api-laas.wanted.co.kr/api/preset/v2/chat/completions"
LAAS_PROJECT = "JEONGSK"
LAAS_HASH = "03e28d0f8fcb9184b37cc5132bff67c3c74b8387bc84002649917d2cf6b131bc"

이 코드는 LAAS API를 사용하기 위한 URL과 프로젝트 정보, 해시값을 설정해요.

6단계: LAAS API 요청 함수 만들기

이제 LaaS API와 통신하기 위한 함수를 만들어 보겠습니다. 이 함수는 사용자의 질문과 이전 대화 내용을 담은 메시지 리스트를 입력받아 LaaS API에 요청을 보내고, 답변을 JSON 형태로 반환합니다.

def make_laas_api_request(messages: List[Dict]) -> Optional[Dict]:
    response = requests.post(
        LAAS_API_URL,
        headers={"project": LAAS_PROJECT, "apikey": LAAS_API_KEY},
        json={
            "hash": LAAS_HASH,
            "params": {"date": datetime.now().strftime("%Y-%m-%d %H:%M:%S")},
            "messages": messages,
        },
    )
    response.raise_for_status()
    return response.json()

이 함수는 메시지 리스트를 받아 LAAS API에 POST 요청을 보내고, 응답을 JSON 형태로 반환해요.

make_laas_api_request 함수는 messages라는 파라미터를 입력받습니다. 이 파라미터는 사용자의 질문과 이전 대화 내용을 담고 있는 리스트입니다.
requests.post 함수를 사용하여 LaaS API에 HTTP POST 요청을 보냅니다.
headers에는 LaaS 프로젝트 정보와 API 키를 담습니다.
json에는 LaaS API에 전달할 데이터를 담습니다. 여기에는 프리셋 해시 값, 현재 날짜 및 시간 정보, 그리고 사용자의 질문과 이전 대화 내용을 담은 messages가 포함됩니다. 그리고 최신 정보 검색을 위해서 params.date에 현재 날짜를 넘겨줍니다.
response.raise_for_status()는 요청이 실패한 경우 예외를 발생시킵니다.
마지막으로 response.json()을 사용하여 LaaS API의 응답을 JSON 형태로 변환하여 반환합니다.

7단계: LAAS API 함수 호출 및 응답 확인

이전 단계에서 만든 make_laas_api_request 함수를 사용하여 실제로 LaaS API에 요청을 보내고 응답을 확인해 보겠습니다.

result = make_laas_api_request([{"role": "user", "content": "현재 대한민국 대통령은?"}])
print(result)

위 코드는 "현재 대한민국 대통령은?"이라는 사용자 질문을 담은 메시지를 LaaS API에 전송하고, 그 결과를 출력합니다. 이때 LaaS API는 1단계에서 설정한 Function Calling 정보를 사용하여 search 함수를 호출해야 한다는 것을 인식합니다.

실행 결과는 다음과 같습니다.

{'id': 'chatcmpl-A5ThTac3AsoeI3ZkiLmlZNYuPK75L',
 'object': 'chat.completion',
 'created': 1725869171976,
 'model': 'gpt-4o-mini-2024-07-18',
 'choices': [{'finish_reason': 'tool_calls',
   'index': 0,
   'message': {'role': 'assistant',
    'content': None,
    'tool_calls': [{'id': 'call_xQ2HQfD0hMpE8TTVz9dVJeBS',
      'type': 'function',
      'function': {'name': 'search',
       'arguments': '{"query":"현재 대한민국 대통령 2024"}'}}]}}],
 'usage': {'prompt_tokens': 739, 'completion_tokens': 18, 'total_tokens': 757}}

LaaS API는 tool_calls를 통해 어떤 함수를 호출해야 하는지 알려줍니다.
function 필드에는 호출해야 하는 함수 이름과, 전달해야 하는 인자가 포함되어 있습니다.
이 예시에서는 search 함수를 호출하고 "query":"현재 대한민국 대통령 2024" 인자를 전달해야 합니다.

8단계: Tavily 검색 결과 전송 및 최종 답변 생성

마지막 단계에서는 7단계에서 LaaS API가 요청한 search 함수를 실제로 호출하여 Tavily 검색 결과를 전송하고, 이를 바탕으로 최종 답변을 생성하도록 합니다.

make_laas_api_request([
    {"role": "user", "content": "현재 대한민국 대통령은?"},
    {"role": "assistant", "content": None, "tool_calls": [
        {
             'id': 'call_xQ2HQfD0hMpE8TTVz9dVJeBS',
             'type': 'function',
             'function': {'name': 'search', 'arguments': '{"query":"현재 대한민국 대통령 2024"}'}
        }
    ]},
    {
        "role": "tool",
        "content": '윤석열 대통령이 15일 \'제79주년 광복절 경축식\'에서 "저와 정부는 2024년 올해를 \'자유·평화·번영의 통일 대한민국\' 으로 나아가는 새로운 원년으로 만들겠다"고 선언했다. 윤 대통령은 이날 북한에 남북 당국 간 실무 차원의 \'대화협의체\' 설치를 제안했다 ...',
        "tool_call_id": "call_xQ2HQfD0hMpE8TTVz9dVJeBS"
    }
])

7단계에서 받았던 응답을 그대로 포함하고, 마지막에 "role": "tool"를 추가합니다.
content에는 search 함수를 호출하여 받은 Tavily API의 검색 결과 중 첫 번째 결과의 content 값을 넣습니다.
tool_call_id에는 7단계 응답의 id 값을 넣어 어떤 함수 호출에 대한 결과인지 알려줍니다.

이제 LaaS API는 전달받은 Tavily 검색 결과를 바탕으로 최종 답변을 생성합니다.

{'id': 'chatcmpl-A5TolVKZUDmzaK7l5dzEUnW9hftNs',
 'object': 'chat.completion',
 'created': 1725869624426,
 'model': 'gpt-4o-mini-2024-07-18',
 'choices': [{'finish_reason': 'stop',
   'index': 0,
   'message': {'role': 'assistant',
    'content': "현재 대한민국의 대통령은 윤석열입니다. 그는 2024년을 '자유·평화·번영의 통일 대한민국'으로 나아가는 새로운 원년으로 만들겠다고 선언했습니다[1]."}}],
 'usage': {'prompt_tokens': 854, 'completion_tokens': 47, 'total_tokens': 901}}

이처럼 LaaS API는 전달받은 검색 결과를 토대로 "현재 대한민국의 대통령은 윤석열입니다."라는 최종 답변을 생성했습니다.

🎉 축하합니다!

🎉🎉🎉 드디어 LaaS와 Tavily를 사용하여 최신 정보를 검색하는 챗봇을 만들었습니다! 🎉🎉🎉

이제 여러분의 챗봇은 단순한 대화를 넘어 인터넷에서 실시간 정보를 가져와 답변할 수 있는 강력한 도구가 되었습니다. 마치 똑똑한 친구에게 실시간 정보를 물어보는 것처럼 말이죠! 😉

전체 코드는 여기에서 확인할 수 있습니다.

🚀 다음 단계

이 프로젝트를 더욱 발전시켜 더욱 흥미롭고 유용한 챗봇을 만들어 볼까요?

다음과 같은 기능들을 추가해 볼 수 있습니다:

검색 결과 요약 기능: Tavily API에서 전달받은 정보는 때때로 너무 길 수 있습니다. 챗봇이 핵심 정보만 간략하게 요약하여 보여주면 사용자 만족도를 높일 수 있습니다.
다양한 답변 방식: 텍스트뿐만 아니라 이미지나 링크를 함께 제공하여 더욱 풍부하고 직관적인 답변을 제공할 수 있습니다.
사용자 맞춤 정보 제공: 사용자의 관심사나 과거 대화 내용을 기반으로 개인화된 정보를 제공하여 챗봇을 더욱 특별하게 만들 수 있습니다.
다국어 지원: Tavily API는 다양한 언어를 지원합니다. 챗봇이 여러 언어로 질문을 이해하고 답변할 수 있도록 기능을 확장해 보세요!
음성 인식 및 합성: 텍스트 입력 대신 음성으로 챗봇과 대화할 수 있는 기능을 추가하면 사용자 편의성을 크게 향상시킬 수 있습니다.

LaaS와 Tavily, 그리고 여러분의 창의력을 더하면 세상을 놀라게 할 멋진 챗봇을 만들 수 있을 거예요! 🚀



정리

이번 프로젝트에서는 LaaS의 Function Calling 기능과 Tavily API를 활용하여 최신 정보를 검색하고, 이를 기반으로 답변을 생성하는 챗봇을 만들어 보았습니다. 이처럼 외부 API를 연동하면 챗봇의 기능을 확장하고 더욱 유용한 서비스를 제공할 수 있습니다.

이제 여러분은 이 튜토리얼에서 배운 내용을 토대로 다양한 외부 API를 활용하여 더욱 흥미롭고 유용한 챗봇을 만들어 보세요! 🚀

Hits

안녕하세요, 여러분! 오늘은 정말 흥미로운 주제를 다뤄볼 거예요. LaaS API를 사용해 인터넷 검색 봇을 만드는 방법을 알아볼 건데요, 특히 Tavily라는 강력한 검색 API와 LAAS Function Calling API를 조합해서 사용해볼 거예요. 마치 똑똑한 친구에게 실시간 정보를 물어보는 것처럼 챗봇이 최신 정보를 찾아 쏙쏙 알려주는 기능을 만들 수 있답니다! 😉

## Function Calling 소개

Function Calling은 챗봇이 외부 API의 능력을 빌릴 수 있도록 하는 마법과 같은 기능이에요! 🪄 대형 언어 모델(LLM)에게 어떤 함수를 호출해야 하는지, 어떤 정보를 전달해야 하는지 알려주는 역할을 하죠.

쉽게 비유하자면, 레스토랑에서 손님(챗봇)이 원하는 메뉴(함수)를 주문하고, 요리사(외부 API)가 맛있게 요리해 가져다주는 것과 같아요. LaaS의 Function Calling을 이용하면 챗봇이 인터넷 검색도 척척 해낼 수 있게 된답니다!

LaaS의 Function Calling 사용 방법은 다음 가이드 문서를 참고해 주세요:
[https://laas.wanted.co.kr/docs/guide/editor/editor-functioncalling](https://laas.wanted.co.kr/docs/guide/editor/editor-functioncalling)

## Tavily 소개

[Tavily](https://tavily.com/)는 똑똑한 AI를 활용해서 인터넷을 샅샅이 뒤져 원하는 정보만 쏙쏙 찾아주는 검색 API 서비스예요. 마치 정보의 바다에서 원하는 진주를 찾아내는 능력 좋은 다이버와 같죠! 🤿

Tavily는 다음과 같은 장점을 가지고 있어요:

1. **정확성**: AI가 사용자의 질문 의도를 정확하게 파악하여 가장 관련성 높은 결과만을 제공해요. 마치 사용자의 마음을 읽는 듯한 정확도죠!
2. **다양한 소스**: 웹페이지, 뉴스, 학술 자료 등 정보의 바다라 할 수 있는 다양한 출처에서 정보를 수집해요.
3. **실시간 정보**: 인터넷 세상은 끊임없이 변화하죠! Tavily는 항상 최신 정보를 업데이트하여 실시간으로 정보를 제공해요.
4. **사용 편의성**: 복잡한 과정 없이 간단한 API 호출만으로 누구나 쉽게 사용할 수 있어요.

Tavily는 다음과 같은 용도로 활용할 수 있어요:

- 챗봇이나 AI 어시스턴트에 최신 정보 제공: 챗봇이 최신 정보를 갖춘 똑똑한 친구가 될 수 있도록 도와줘요!
- 연구나 분석을 위한 데이터 수집: 방대한 양의 데이터를 신속하게 수집하여 시간을 절약해 줘요.
- 뉴스 모니터링 시스템 구축: 실시간으로 뉴스를 분석하고 원하는 정보를 선 lọc하여 제공해 줘요.
- 사용자 질문에 대한 실시간 답변 생성: FAQ 페이지를 넘어 사용자 질문에 대한 맞춤형 답변을 실시간으로 제공할 수 있어요.

이제 본격적으로 코드를 살펴보면서, Tavily와 LAAS API를 어떻게 활용하는지 알아볼게요!

## 🌟 이 프로젝트로 무엇을 배우나요?

이 프로젝트에서는 LaaS와 Tavily API를 사용하여 사용자의 질문에 대해 최신 정보를 검색하고, 그 정보를 바탕으로 답변을 생성하는 챗봇을 만드는 방법을 배우게 됩니다.

- LaaS 플랫폼에서 Function Calling을 이용하여 외부 API를 호출하는 방법
- Tavily API를 이용하여 사용자 질문에 대한 답변을 검색하는 방법
- 검색된 정보를 바탕으로 LaaS 챗봇이 답변을 생성하도록 하는 방법

이 과정을 통해 여러분은 외부 API를 연동하여 더욱 강력하고 유용한 챗봇을 만들 수 있는 기반을 다리게 될 것입니다.

## 🛠 준비물

프로젝트를 시작하기 전에 다음과 같은 준비물이 필요해요!

- **LaaS 계정**: LaaS에서 제공하는 다양한 기능을 사용하기 위해 계정을 생성해야 합니다. ([https://laas.wanted.co.kr/](https://laas.wanted.co.kr/))
- **Tavily API 키**: Tavily API를 사용하려면 API 키가 필요합니다. Tavily 웹사이트에서 키를 발급받을 수 있습니다. ([https://www.tavily.com/](https://www.tavily.com/))
- **Python 3.7 이상**: 이 프로젝트의 코드는 Python으로 작성되었으며, Python 3.7 이상 버전이 설치되어 있어야 합니다.
- **코드 편집기**: Python 코드를 작성하고 실행할 수 있는 코드 편집기 (Visual Studio Code, PyCharm 등)가 필요합니다.

## 📚 단계별 가이드

### 1단계: LaaS 프리셋 생성하기

LaaS 프리셋에 Function Calling을 이용하여 Tavily API를 사용할 수 있도록 함수를 추가해야 합니다.

1. LaaS 웹사이트에 로그인하고, 새로운 프리셋을 생성합니다.
2. 왼쪽 메뉴에서 'Function Calling' 탭을 선택합니다.
3. '추가 +' 버튼을 클릭하고, 다음과 같이 함수 정보를 입력합니다.
    - 이름: `search`
    - 설명: `Tavily API를 사용하여 웹 검색을 수행합니다.`
    - 파라미터:
        - `query`: `string`, `검색어`, `사용자의 질문`, `5글자 이상`
	![](https://i.imgur.com/cKWK23S.png)
4. '저장' 버튼을 클릭하여 함수를 저장합니다.

### 2단계: 필요한 라이브러리 불러오기

프로젝트를 시작하기 전에 필요한 Python 라이브러리를 설치하고 불러와야 해요. 마치 요리하기 전에 필요한 재료를 준비하는 것과 같죠!

```python
import requests
from datetime import datetime
from typing import Dict, List, Optional
from tavily import TavilyClient
```

각 라이브러리는 다음과 같은 역할을 수행합니다.

- `requests`: `requests` 라이브러리는 Python에서 HTTP 요청을 보내고 웹 서버와 통신하는 데 사용됩니다. Tavily API와 통신하기 위해 사용됩니다.
- `datetime`: 날짜 및 시간 정보를 다루는 데 사용됩니다. LaaS API에 현재 시간 정보를 전달하기 위해 사용합니다.
- `typing`: Python 코드에 타입 힌트를 제공하는 데 사용됩니다. 코드의 가독성을 높이고 오류를 줄이는 데 도움이 됩니다.
- `tavily`: Tavily API를 사용하기 위한 라이브러리입니다. `pip install tavily` 명령어를 사용하여 설치할 수 있습니다.

### 3단계: API 키 및 설정 불러오기

Tavily 및 LaaS API를 사용하려면 API 키와 설정 정보가 필요합니다. 이 정보는 각 서비스에서 발급받을 수 있으며, 코드에서 안전하게 관리해야 합니다.

```python
LAAS_API_KEY = "여기에_여러분의_LAAS_API_키를_넣으세요"
TAVILY_API_KEY = "여기에_여러분의_TAVILY_API_키를_넣으세요"
```

> **주의:** API 키와 같은 중요한 정보는 절대로 공개된 저장소에 업로드하면 안 됩니다. 외부에 노출될 경우 악용될 위험이 있습니다.

### 4단계: Tavily API 사용하기

이제 Tavily API를 사용하여 웹 검색을 수행해 보겠습니다.

```python
tavily_client = TavilyClient(api_key=TAVILY_API_KEY)
tavily_client.search(query="대한민국 대통령 2024")
```

위 코드는 Tavily API를 사용하여 "대한민국 대통령 2024"라는 질문에 대한 검색 결과를 가져오는 예시입니다. `tavily_client.search()` 메서드는 검색 결과를 JSON 형태로 반환합니다.

예를 들어, 다음과 같은 JSON 응답을 받을 수 있습니다.

```json
{'query': '대한민국 대통령 2024',
 'follow_up_questions': None,
 'answer': None,
 'images': [],
 'results': [{'title': '[전문]윤석열 대통령 제79주년 광복절 경축사 - Korea Daily',
   'url': 'https://news.koreadaily.com/2024/08/14/society/politics/20240814191119526.html',
   'content': '윤석열 대통령이 15일 \'제79주년 광복절 경축식\'에서 "저와 정부는 2024년 올해를 \'자유·평화·번영의 통일 대한민국\' 으로 나아가는 새로운 원년으로 만들겠다"고 선언했다. 윤 대통령은 이날 북한에 남북 당국 간 실무 차원의 \'대화협의체\' 설치를 제안했다 ...',
   'score': 0.9990378,
   'raw_content': None},
  {'title': '[전문] 윤석열 대통령 2024년 신년사 - 서울경제',
   'url': 'https://www.sedaily.com/NewsView/2D3WYDG9XF',
   'content': "윤석열 대통령이 2024년 갑진년 새해 첫날인 1일 서울 용산 대통령실 청사에서 신년사를 발표하고 있다. 연합뉴스. 더욱 힘을 내주셨습니다. 높은 물가와 경기 퇴조의 '스테그플레이션'을 겪었습니다. 큰 어려움을 겪었습니다. 피땀 어린 노력 덕분이었습니다 ...",
   'score': 0.99850464,
   'raw_content': None},
  {'title': '윤석열 대통령 투르크메니스탄 국빈방문 결과 상세보기|2024년 | 외교부',
   'url': 'https://www.mofa.go.kr/www/brd/m_26779/view.do?seq=568',
   'content': '양 정상은 2024년 6월 10일 우호적이고 따뜻한 분위기 속에서 개최된 정상회담에서 경제, 사회, 문화 분야에서 양국 간 협력을 확대·심화하는 방안과 공동의 관심사인 지역 및 국제 문제에 대해 논의하였다. 이러한 측면에서, 양 정상은 2023년 10월 31일 체결된 대한민국 정부와 투르크메니스탄 정부 간의 무역 및 경제협력에 관한 협정에 기반하여 양국 간 호혜적인 경제협력 관계를 구축해 나가기로 하였다. 양 정상은 향후 한-중앙아 협력 포럼의 발전을 위해 함께 노력해 나가기로 하였으며, 투르크메니스탄 대통령은 2025년 최초로 개최되는 한-중앙아시아 정상회의의 성공적인 개최를 기원하였다. 이러한 측면에서, 양 정상은 대한민국과 중앙아시아 국가들 간 평화 증진을 위한 파트너십 및 상호 신뢰와 무역, 경제, 문화, 인도주의적 협력 강화를 목표로 2024년 하반기에 아시가바트에서 제2차 한-중앙아시아 국회의장 회의가 개최되는 것을 환영하였다.',
   'score': 0.9935619,
   'raw_content': None}],
 'response_time': 2.31}
```

이 JSON 응답은 "대한민국 대통령 2024" 질문에 대한 검색 결과를 담고 있습니다.

- `query`: 사용자가 입력한 질문입니다.
- `results`: 검색 결과 문서의 리스트가 담겨 있습니다. 각 문서는 `title`, `url`, `content`, `score` 등의 정보를 포함합니다.
- `response_time`: 검색 요청부터 응답까지 걸린 시간(초)입니다.

### 5단계: LAAS API 설정하기

LaaS API를 사용하기 위한 함수를 만들기 전에 필요한 설정 정보를 변수에 저장합니다.

```python
LAAS_API_URL = "https://api-laas.wanted.co.kr/api/preset/v2/chat/completions"
LAAS_PROJECT = "JEONGSK"
LAAS_HASH = "03e28d0f8fcb9184b37cc5132bff67c3c74b8387bc84002649917d2cf6b131bc"
```

이 코드는 LAAS API를 사용하기 위한 URL과 프로젝트 정보, 해시값을 설정해요.

### 6단계: LAAS API 요청 함수 만들기

이제 LaaS API와 통신하기 위한 함수를 만들어 보겠습니다. 이 함수는 사용자의 질문과 이전 대화 내용을 담은 메시지 리스트를 입력받아 LaaS API에 요청을 보내고, 답변을 JSON 형태로 반환합니다.

```python
def make_laas_api_request(messages: List[Dict]) -> Optional[Dict]:
    response = requests.post(
        LAAS_API_URL,
        headers={"project": LAAS_PROJECT, "apikey": LAAS_API_KEY},
        json={
            "hash": LAAS_HASH,
            "params": {"date": datetime.now().strftime("%Y-%m-%d %H:%M:%S")},
            "messages": messages,
        },
    )
    response.raise_for_status()
    return response.json()
```

이 함수는 메시지 리스트를 받아 LAAS API에 POST 요청을 보내고, 응답을 JSON 형태로 반환해요.
- `make_laas_api_request` 함수는 `messages`라는 파라미터를 입력받습니다. 이 파라미터는 사용자의 질문과 이전 대화 내용을 담고 있는 리스트입니다.
- `requests.post` 함수를 사용하여 LaaS API에 HTTP POST 요청을 보냅니다.
- `headers`에는 LaaS 프로젝트 정보와 API 키를 담습니다.
- `json`에는 LaaS API에 전달할 데이터를 담습니다. 여기에는 프리셋 해시 값, 현재 날짜 및 시간 정보, 그리고 사용자의 질문과 이전 대화 내용을 담은 `messages`가 포함됩니다. 그리고 최신 정보 검색을 위해서 `params.date`에 현재 날짜를 넘겨줍니다.
- `response.raise_for_status()`는 요청이 실패한 경우 예외를 발생시킵니다.
- 마지막으로 `response.json()`을 사용하여 LaaS API의 응답을 JSON 형태로 변환하여 반환합니다.

### 7단계: LAAS API 함수 호출 및 응답 확인

이전 단계에서 만든 `make_laas_api_request` 함수를 사용하여 실제로 LaaS API에 요청을 보내고 응답을 확인해 보겠습니다.

```python
result = make_laas_api_request([{"role": "user", "content": "현재 대한민국 대통령은?"}])
print(result)
```

위 코드는 "현재 대한민국 대통령은?"이라는 사용자 질문을 담은 메시지를 LaaS API에 전송하고, 그 결과를 출력합니다. 이때 LaaS API는 1단계에서 설정한 Function Calling 정보를 사용하여 `search` 함수를 호출해야 한다는 것을 인식합니다.

실행 결과는 다음과 같습니다.

```json
{'id': 'chatcmpl-A5ThTac3AsoeI3ZkiLmlZNYuPK75L',
 'object': 'chat.completion',
 'created': 1725869171976,
 'model': 'gpt-4o-mini-2024-07-18',
 'choices': [{'finish_reason': 'tool_calls',
   'index': 0,
   'message': {'role': 'assistant',
    'content': None,
    'tool_calls': [{'id': 'call_xQ2HQfD0hMpE8TTVz9dVJeBS',
      'type': 'function',
      'function': {'name': 'search',
       'arguments': '{"query":"현재 대한민국 대통령 2024"}'}}]}}],
 'usage': {'prompt_tokens': 739, 'completion_tokens': 18, 'total_tokens': 757}}
```

- LaaS API는 `tool_calls`를 통해 어떤 함수를 호출해야 하는지 알려줍니다.
- `function` 필드에는 호출해야 하는 함수 이름과, 전달해야 하는 인자가 포함되어 있습니다.
- 이 예시에서는 `search` 함수를 호출하고 `"query":"현재 대한민국 대통령 2024"` 인자를 전달해야 합니다.

### 8단계: Tavily 검색 결과 전송 및 최종 답변 생성

마지막 단계에서는 7단계에서 LaaS API가 요청한 `search` 함수를 실제로 호출하여 Tavily 검색 결과를 전송하고, 이를 바탕으로 최종 답변을 생성하도록 합니다.

```python
make_laas_api_request([
    {"role": "user", "content": "현재 대한민국 대통령은?"},
    {"role": "assistant", "content": None, "tool_calls": [
        {
             'id': 'call_xQ2HQfD0hMpE8TTVz9dVJeBS',
             'type': 'function',
             'function': {'name': 'search', 'arguments': '{"query":"현재 대한민국 대통령 2024"}'}
        }
    ]},
    {
        "role": "tool",
        "content": '윤석열 대통령이 15일 \'제79주년 광복절 경축식\'에서 "저와 정부는 2024년 올해를 \'자유·평화·번영의 통일 대한민국\' 으로 나아가는 새로운 원년으로 만들겠다"고 선언했다. 윤 대통령은 이날 북한에 남북 당국 간 실무 차원의 \'대화협의체\' 설치를 제안했다 ...',
        "tool_call_id": "call_xQ2HQfD0hMpE8TTVz9dVJeBS"
    }
])
```

- 7단계에서 받았던 응답을 그대로 포함하고, 마지막에 `"role": "tool"`를 추가합니다.
- `content`에는 `search` 함수를 호출하여 받은 Tavily API의 검색 결과 중 첫 번째 결과의 `content` 값을 넣습니다.
- `tool_call_id`에는 7단계 응답의 `id` 값을 넣어 어떤 함수 호출에 대한 결과인지 알려줍니다.

이제 LaaS API는 전달받은 Tavily 검색 결과를 바탕으로 최종 답변을 생성합니다.

```json
{'id': 'chatcmpl-A5TolVKZUDmzaK7l5dzEUnW9hftNs',
 'object': 'chat.completion',
 'created': 1725869624426,
 'model': 'gpt-4o-mini-2024-07-18',
 'choices': [{'finish_reason': 'stop',
   'index': 0,
   'message': {'role': 'assistant',
    'content': "현재 대한민국의 대통령은 윤석열입니다. 그는 2024년을 '자유·평화·번영의 통일 대한민국'으로 나아가는 새로운 원년으로 만들겠다고 선언했습니다[1]."}}],
 'usage': {'prompt_tokens': 854, 'completion_tokens': 47, 'total_tokens': 901}}
```

이처럼 LaaS API는 전달받은 검색 결과를 토대로 "현재 대한민국의 대통령은 윤석열입니다."라는 최종 답변을 생성했습니다.

## 🎉 축하합니다!

🎉🎉🎉 드디어 LaaS와 Tavily를 사용하여 최신 정보를 검색하는 챗봇을 만들었습니다! 🎉🎉🎉

이제 여러분의 챗봇은 단순한 대화를 넘어 인터넷에서 실시간 정보를 가져와 답변할 수 있는 강력한 도구가 되었습니다. 마치 똑똑한 친구에게 실시간 정보를 물어보는 것처럼 말이죠! 😉

전체 코드는 [여기](https://github.com/jeongsk/laas-tutorial/blob/main/docs/notebooks/03_%F0%9F%94%8D_Web_Search.ipynb)에서 확인할 수 있습니다.

## 🚀 다음 단계

이 프로젝트를 더욱 발전시켜 더욱 흥미롭고 유용한 챗봇을 만들어 볼까요?

**다음과 같은 기능들을 추가해 볼 수 있습니다:**

- **검색 결과 요약 기능:** Tavily API에서 전달받은 정보는 때때로 너무 길 수 있습니다. 챗봇이 핵심 정보만 간략하게 요약하여 보여주면 사용자 만족도를 높일 수 있습니다.
- **다양한 답변 방식:** 텍스트뿐만 아니라 이미지나 링크를 함께 제공하여 더욱 풍부하고 직관적인 답변을 제공할 수 있습니다.
- **사용자 맞춤 정보 제공:** 사용자의 관심사나 과거 대화 내용을 기반으로 개인화된 정보를 제공하여 챗봇을 더욱 특별하게 만들 수 있습니다.
- **다국어 지원:** Tavily API는 다양한 언어를 지원합니다. 챗봇이 여러 언어로 질문을 이해하고 답변할 수 있도록 기능을 확장해 보세요!
- **음성 인식 및 합성:** 텍스트 입력 대신 음성으로 챗봇과 대화할 수 있는 기능을 추가하면 사용자 편의성을 크게 향상시킬 수 있습니다.

LaaS와 Tavily, 그리고 여러분의 창의력을 더하면 세상을 놀라게 할 멋진 챗봇을 만들 수 있을 거예요! 🚀

![](https://i.imgur.com/pGCw3sG.gif)

## 정리

이번 프로젝트에서는 LaaS의 Function Calling 기능과 Tavily API를 활용하여 최신 정보를 검색하고, 이를 기반으로 답변을 생성하는 챗봇을 만들어 보았습니다. 이처럼 외부 API를 연동하면 챗봇의 기능을 확장하고 더욱 유용한 서비스를 제공할 수 있습니다.

이제 여러분은 이 튜토리얼에서 배운 내용을 토대로 다양한 외부 API를 활용하여 더욱 흥미롭고 유용한 챗봇을 만들어 보세요! 🚀

![Hits](https://hits.seeyoufarm.com/api/count/incr/badge.svg?url=https%3A%2F%2Fsocial.wanted.co.kr%2Fcommunity%2Farticle%2F111227&count_bg=%2379C83D&title_bg=%23555555&icon=&icon_color=%23E7E7E7&title=hits&edge_flat=false)

Tavily와 LAAS를 활용한 최신정보 검색 봇 만들기

오정석

Function Calling 소개

오정석